في عالم الذكاء الاصطناعي وتطور تقنيات التعلم الآلي، تم الكشف عن تقنية جديدة تُعرف بـ DOPD (التقطيع المزدوج في الوقت الحالي) التي تقدم إمكانيات جديدة لتحسين كفاءة نقل القدرات بين النماذج.

يساعد نموذج DOPD على تعزيز جودة التعليم من خلال استراتيجيات متقدمة تقوم على استخدام معلومات محورية، مما يعزز الأداء عند تطبيقه على نماذج التعلم. الفكرة الأساسية وراء هذا الابتكار هو تقديم مصدر إشراف عالي الجودة، حيث يتم توفير إشارات قوية على مستوى كل عنصر لتوجيه خوارزميات التعلم بشكل أفضل.

تظهر الأبحاث أن النهج التقليدي للتقطيع في التعليم قد يواجه مشاكل تعرف باسم "سراب الامتياز"، حيث يتم الخلط بين الفجوة في القدرة القابلة للتحويل والفجوة في المعلومات التي يمكن تقليدها ولا يمكن تكرارها. هنا يأتي دور DOPD الذي يسمح بتوجيه إشراف قوي بناءً على الفجوة في المزايا والنسب النسبية بين المعلم والطالب.

أثبتت التجارب الشاملة أن نموذج DOPD يتفوق بشكل ثابت على الأساليب التقليدية، بما في ذلك نماذج اللغات الضخمة (LLM) ونماذج الصورة واللغة (VLM)، مما يؤكد تفوقه في الاستقرار، والمرونة، والتعلم المستمر، والتعامل مع المهام خارج نطاق التدريب.